Hawkes过程的自适应估计；在基因组分析中的应用
统计理论
2010-11-11 v4 统计理论
摘要
本文旨在提供一种新方法，用于检测DNA序列上基因组事件之间受偏好或受回避的距离。这些事件由Hawkes过程建模。该生物学问题实际上足够复杂，需要一种非渐近的惩罚模型选择方法。我们提供了一种理论惩罚，即使对于相当复杂的模型族，它也能满足神谕不等式。我们证明了相应的理论估计量对于正则性在(1/2, 1]内的Hölder函数是自适应极小极大的：这些方面在Hawkes过程中尚未被研究过。此外，我们引入了一种名为Islands的有效策略，该策略在模型选择中并不常用，但恰好与我们想要回答的生物学问题高度相关。由于理论惩罚中的乘性常数在实践中无法计算，我们提供了广泛的模拟以寻找该常数的数据驱动校准。在真实基因组数据上获得的结果与生物学知识相一致，并最终对其进行了细化。
引用
@article{arxiv.0903.2919,
title = {Adaptive estimation for Hawkes processes; application to genome analysis},
author = {Patricia Reynaud-Bouret and Sophie Schbath},
journal= {arXiv preprint arXiv:0903.2919},
year = {2010}
}
备注
Published in at http://dx.doi.org/10.1214/10-AOS806 the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)